边缘计算和人工智能项目是如何为企业带来回报的

障更令人烦恼的问题了。

只有预防性维护，即机器按照预定的时间表来得到关注，是不够的，他说。“百分之九十的故障都是瞬间故障，会导致进程关闭。这对业务来说太难了。如果你能在故障发生前就发现故障，那么你就不需要关闭生产，维护团队也不需要四处奔波灭火了。”

在177，000平方英尺的设施中有1，500件设备，Fender是将传感器安装在机器上并使用人工智能分析来预测故障的典型候选者。这是Fender正在做的事情，但有一个转折 -- 该公司正在使用的是亚马逊上基于云的Monitron服务，所以所有的数据处理都是在亚马逊的云上进行的。

对于像Fender这样的小公司来说，亚马逊的全面管理服务很有吸引力，因为亚马逊提供了无线传感器，可以通过近场通信(NFC)来连接到亚马逊的Wi-Fi网关。亚马逊的网关被预先配置成会将相关数据发送到亚马逊云上进行分析。亚马逊开发了机器学习算法来处理数据，并会直接向Holmes发送警报。

“他们基本上把价格降到了足够低的水平，这样夫妻店就可以把这个放在他们的设备上，不用经过培训就可以很容易地进行监控了。这是非常重要的。每个制造商都有一个关键的设备，一旦出现故障就会导致生产停止。”Holmes说。

到目前为止，Holmes已经安装了9台任务关键型机器，并计划在墨西哥恩塞纳达的第二家制造厂部署该系统。对云的使用也提供了额外的好处，使Holmes能够在一天内从这两个站点聚合数据以进行额外的分析。此外，他预计也能够从一个单一的仪表板来跟踪两个网站。

边缘计算如何实现人工智能

IDC edge strategies研究主管Dave McCarthy表示，在制造业、运输、物流、医疗保健、零售、石油和天然气等行业--基本上任何拥有实物资产的行业--机器所生成的数据都是“边缘计算的风帆”。他补充说，“从这些机器上获得的数据中找到有意义的见解，并自动对这些数据做出响应，这就是人工智能所做的。”

STL Partners的高级顾问Tilly Gilbert表示，一般的经验法则是，可以在边缘执行人工智能处理最适合处理的对实时、延迟敏感的应用程序，因为如果这些大型数据集必须传输到云环境，这些应用程序将无法高效运行。除了延迟问题，边缘计算也降低了回程成本，并能够帮助公司遵守隐私法规和安全策略，如果敏感数据被发送到了异地，这些法规和策略则可能会被违反。

在增加正常运行时间和提高性能的双重业务需求的驱动下，人工智能驱动的边缘数据处理正在超越利基案例，并在变得更加主流，McCarthy说。

许多因素的共同作用，使得边缘/人工智能将更容易被部署，包括预配置有物联网传感器的物理资产的激增，以及提供边缘技术的供应商数量的增加。其中包括了系统集成商、第三方初创企业、超大规模云提供商以及将边缘定位为数据中心延伸的传统基础设施提供商。

对于企业来说，这使得他们能够在最合适的位置运行工作负载，无论

（编辑：开发网_郴州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!